JP2017219314A - 劣化部位検知装置、劣化部位検知方法およびプログラム - Google Patents

Abstract

【課題】汚れや付着物によるコンクリート表面の劣化部位の検知の精度の低下を抑制する。
【解決手段】本発明に係る劣化部位検知装置１は、コンクリート表面を撮影した撮影画像を取得する画像取得部１０と、画像取得部１０が取得した撮影画像から、正常コンクリート肌色を決定する正常コンクリート肌色取得部２０と、撮影画像において、正常コンクリート肌色と比較して異常な色を有する領域、および、所定の形状の領域を異常領域として検知する異常領域検知部３０と、異常領域検知部３０により検知された異常領域が、鉄筋領域、錆汁領域または剥離領域であるか否かを判定する劣化部位判定部４０とを備える。
【選択図】図１

Description

本発明は、コンクリート表面の劣化部位を検知する劣化部位検知装置、劣化部位検知方法およびプログラムに関する。

近年、高度経済成長期に建設された道路や建物をはじめとして、経年劣化したコンクリート構造物の数が増えており、それらを安全に維持管理していくことが社会的な問題となっている。コンクリート構造物の安全な維持管理のためには、点検によりコンクリート構造物の劣化を診断し、劣化の進行を食い止める補修や、コンクリート構造物を外部から支える補強を行うことが重要である。

コンクリート構造物の劣化度合いを診断する方法はいくつかあるが、特にコンクリート表面に生じる劣化（コンクリート内の鉄筋が露出する露筋、コンクリートの剥離、ひび割れなど）の発見が、点検項目の基本事項と位置づけられている。なぜなら、コンクリート表面に上述したような劣化が生じると、その劣化部位から雨水などがコンクリート内に入り込んで内部の鉄筋に到達し、鉄筋の腐食を進行させてコンクリート構造物の耐久性を低下させるからである（非特許文献１参照）。したがって、コンクリート構造物の耐久性の低下を防ぐためには、コンクリート表面の劣化を早期に発見する必要がある。

現状、コンクリート表面の劣化を点検する手段は、作業者による目視および直接計測が主流である。しかしながら、地下に埋設されたマンホールなど、作業者の入孔に多大な時間およびコストを要するコンクリート構造物に関しては、コンクリート表面の劣化の早期発見が困難となる場合がある。そこで、点検現場では、機械の導入により、目視点検をサポートすることが期待されており、デジタルカメラにより撮影されたコンクリート表面の撮影画像の画像解析によって劣化部位を自動的に検知する技術の導入が有効な手段のひとつと考えられている。

コンクリート表面の画像から自動的に劣化部位を検知する画像処理アルゴリズムは既に提案されている。例えば、特許文献１には、コンクリート表面のひび割れを検知するため技術が開示されている。この技術では、コンクリート表面の撮影画像に対してエッジフィルタを適用することで得られるエッジ特徴量に基づいて、ひび割れを検出する。また、特許文献２には、エッジ特徴量から汚れによるノイズを除去した上で、ひび割れの線形形状を検知する技術が開示されている。

特開２０１１−２４２３６５号公報 特開２０１５−１０２３８２号公報

土木学会「コンクリート標準示方書[維持管理編]」、２００１

コンクリート表面の劣化において、露筋は被りのコンクリートが剥離した結果であり、鉄筋の腐食進行も速いことから、露筋を漏らさず検知することが重要である。なお、コンクリート表面の劣化診断に限らず、画像からある特徴的な色領域を抽出する手法は従来から頻繁に使用されており、この従来の手法を露筋や剥離の検知に適用することも考えられる。しかしながら、従来の手法をコンクリート表面の露筋や剥離の検知に用いることには以下のような実用上の問題がある。

例えば、地下埋設物のコンクリート表面には、水垢や土砂などの汚れが付着した部分が多々ある他、模様がまだらで表面の色が均一でない部分が存在する。このようなコンクリート表面に対して、従来の画像処理（エッジの抽出、特徴的な色領域の抽出）を行うと、劣化部位だけでなく、付着物やコンクリートの模様のエッジ、また、付着物やコンクリートの模様に対応する色領域まで劣化部位と誤って判定する誤検知が生じることがある。特許文献２に開示されている技術によれば、汚れによるノイズを除去することはできるが、露筋や剥離の検知に有用な色領域の抽出に関しては、汚れの色および形状が千差万別であることから、汚れによるノイズを除去することが難しい。

上記のような問題点に鑑みてなされた本発明の目的は、コンクリート表面の撮影画像から劣化部位を検知する場合に、汚れや付着物による劣化部位の検知の精度の低下を抑制することができる劣化部位検知装置、劣化部位検知方法およびプログラムを提供することにある。

上記課題を解決するため、本発明に係る劣化部位検知装置は、コンクリート表面を撮影した撮影画像を取得する画像取得部と、前記画像取得部が取得した撮影画像から、劣化していないコンクリート表面の色である正常コンクリート肌色を決定する正常コンクリート肌色取得部と、前記画像取得部が取得した撮影画像において、前記正常コンクリート肌色取得部が決定した正常コンクリート肌色と比較して異常な色を有する領域、および、所定の形状の領域を異常領域として検知する異常領域検知部と、前記異常領域検知部により検知された異常領域が、鉄筋が露出した鉄筋領域、錆汁が付着した錆汁領域またはコンクリートが剥離した剥離領域であるか否かを判定する劣化部位判定部と、を備える。

また、上記課題を解決するため、本発明に係る劣化部位検知方法は、コンクリート表面の劣化を検知する劣化部位検知装置による劣化部位検知方法であって、画像取得部が、前記コンクリート表面を撮影した撮影画像を取得するステップと、正常コンクリート肌色取得部が、前記画像取得部が取得した撮影画像から、劣化していないコンクリート表面の色である正常コンクリート肌色を決定するステップと、異常領域検知部が、前記画像取得部が取得した撮影画像において、前記正常コンクリート肌色取得部が決定した正常コンクリート肌色と比較して異常な色を有する領域、および、所定の形状の領域を異常領域として検知するステップと、劣化部位判定部が、前記異常領域検知部により検知された異常領域が、鉄筋が露出した鉄筋領域、錆汁が付着した錆汁領域またはコンクリートが剥離した剥離領域であるか否かを判定するステップと、を含む。

また、上記課題を解決するため、本発明に係るプログラムは、コンピュータに、コンクリート表面を撮影した撮影画像を取得する処理と、前記取得した撮影画像から、劣化していないコンクリート表面の色である正常コンクリート肌色を決定する処理と、前記取得した撮影画像において、前記決定した正常コンクリート肌色と比較して異常な色を有する領域、および、所定の形状の領域を異常領域として検知する処理と、前記検知された異常領域が、鉄筋が露出した鉄筋領域、錆汁が付着した錆汁領域またはコンクリートが剥離した剥離領域であるか否かを判定する処理と、を実行させる。

本発明に係る劣化部位検知装置、劣化部位検知方法およびプログラムによれば、コンクリート表面の撮影画像から劣化部位を検知する場合に、汚れや付着物による劣化部位の検知の精度の低下を抑制することができる。

本発明の一実施形態に係る劣化部位検知装置の構成を示すブロック図である。 図１に示す撮影部によるコンクリート表面の撮影状態の一例を示す図である。 図１に示す色検知部による異常領域の検知動作を示すフローチャートである。 図１に示す形状検知部による異常領域の検知動作を示すフローチャートである。 図１に示す鉄筋判定部による判定動作を示すフローチャートである。 図１に示す錆汁判定部による判定動作を示すフローチャートである。 鉄筋領域および錆汁領域の形成例を示す図である。 図１に示す剥離判定部による判定動作を示すフローチャートである。 図１に示す撮影部の撮影画像の一例を示す図である。 図１に示す歪み補正部による歪み補正後の画像の一例を示す図である。 本発明に係る検知方法による劣化部位の検知結果の一例を示す図である。 関連する検知方法による劣化部位の検知結果の一例を示す図である。

以下、本発明を実施するための形態について、図面を参照しながら説明する。なお、本発明は、以下の実施の形態のみに限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々の変更が可能であることはもちろんである。

図１は、本発明の一実施形態に係る劣化部位検知装置１の構成を示すブロック図である。本実施形態に係る劣化部位検知装置１は、建造物やマンホールなどのコンクリート構造物のコンクリート表面を撮影し、その撮影画像からコンクリート表面における露筋、錆汁の付着、コンクリートの剥離といった劣化部位を検知する。

図１に示す劣化部位検知装置１は、画像取得部１０と、正常コンクリート肌色取得部２０と、異常領域検知部３０と、劣化部位判定部４０と、画像連結部５０とを備える。

画像取得部１０は、検査対象のコンクリート表面を撮影した撮影画像を取得する。通常、検査対象のコンクリート表面全体を撮影するために、異なる位置から複数回にわたって撮影が行われる。画像取得部１０は、撮影画像（複数回の撮影により得られた各撮影画像）に対して歪み補正を行い、歪み補正後の画像（以下、入力画像と称する）を劣化部位検知装置１内の各部（正常コンクリート肌色取得部２０、異常領域検知部３０、劣化部位判定部４０および画像連結部５０）に入力する。また、画像取得部１０は、入力画像における単位画素あたりの実長（実長比）を求め、求めた実長比を異常領域検知部３０に入力する。

正常コンクリート肌色取得部２０は、画像取得部１０の入力画像から、劣化していない（正常な）コンクリート表面の色（以下、正常コンクリート肌色と称する）を決定し、決定したコンクリート肌色を異常領域検知部３０に入力する。

異常領域検知部３０は、画像取得部１０から入力された実長比、正常コンクリート肌色取得部２０から入力されたコンクリート肌色などを用いて、画像取得部１０の入力画像における、コンクリート表面の劣化部位の候補領域である異常領域を検知する。異常領域検知部３０は、異常領域の検知結果を劣化部位判定部４０に出力する。

劣化部位判定部４０は、異常領域検知部３０により検知された異常領域が、鉄筋が露出した鉄筋領域、錆汁が付着した錆汁領域またはコンクリートが剥離した剥離領域であるか否かを判定し、判定結果を画像連結部５０に出力する。

正常コンクリート肌色取得部２０、異常領域検知部３０および劣化部位判定部４０は、複数の入力画像それぞれについて、上述した処理を行う。

画像連結部５０は、画像取得部１０の複数の入力画像および各入力画像における劣化部位判定部４０による劣化部位の判定結果を連結した連結画像（検査対象のコンクリート表面全体と劣化部位とを示す画像）を生成する。画像連結部５０は、生成した連結画像を劣化部位検知装置１に接続された表示部６０に表示させる。画像連結部５０は、例えば、劣化部位と判定された領域を、視認容易な色のべた塗りとして表示部６０に表示させる。また、画像連結部５０は、各劣化部位のサイズ（長さ、面積）を表示部６０に表示させてもよい。なお、図１においては、表示部６０は劣化部位検知装置１に外部から接続される例を示しているが、劣化部位検知装置１が表示部６０を備えていてもよい。

次に、画像取得部１０、正常コンクリート肌色取得部２０、異常領域検知部３０、劣化部位判定部４０および画像連結部５０それぞれの構成について、図１を参照して説明する。まず、画像取得部１０の構成について説明する。

図１に示すように、画像取得部１０は、撮影部１１と、歪み補正部１２と、実長取得部１３とを備える。

撮影部１１は、例えば、広角撮影が可能な魚眼カメラであり、検査対象のコンクリート表面を撮影する。なお、通常、検査対象のコンクリート表面の全面を撮影するために、撮影部１１の位置をずらしながら複数回にわたって撮影が行われる。

歪み補正部１２は、撮影部１１（魚眼カメラ）の撮影画像に対して魚眼レンズによる歪みを補正する歪み補正処理を行い、レンズ歪みのない画像に変換する。つまり、歪み補正部１２は、視点を中心として、半径Ｒの球面に投影された画像を、視点から距離Ｄだけ離れた位置に投影し直す。歪み補正部１２は、歪み補正後の画像を入力画像として劣化部位検知装置１の各部に出力する。

実長取得部１３は、入力画像における１画素（ｐｘ）に対応する実長（ｍｍ）を求め、画素値と実長とを対応させる（単位画素あたりの実長である実長比を求める）。

次に、正常コンクリート肌色取得部２０の構成について説明する。

図１に示すように、正常コンクリート肌色取得部２０は、矩形領域抽出部２１と、減色処理部２２と、色頻度計算部２３と、決定部２４とを備える。

矩形領域抽出部２１は、入力画像を複数の画像に分割する。

減色処理部２２は、矩形領域抽出部２１により分割された各画像をｎ色に減色する。ここで、入力画像は、例えば、ＲＧＢ色空間で表現された画像であり、２４ビットのカラー画像である。２４ビットのカラー画像は、最大約１６７７万色で表現される画像であり、１６７７万のカラーパレットを持つと表現される。減色処理部２２は、１６７７万のカラーパレットを持つカラー画像を、これよりも少ないカラーパレット数ｎで表現するために、色空間上で近い距離に存在する色をまとめて同じ色に置き換える減色処理を行う。減色処理を行うことで、正常コンクリート肌色の候補数を大幅に削減し、以降の処理を軽減することができるとともに、画像内のちらつきによる後述する色頻度計算の誤差を抑制することができる。

色頻度計算部２３は、減色処理部２２により減色された画像（減色画像）毎に、ｎ色の各色が出現する頻度を計算する。このとき、色頻度計算部２３は、正常コンクリート肌色の候補となり得ない明らかに異常な色領域は減色画像から除外してもよい。明らかに異常な色領域とは、一般にグレーで表現されるコンクリートからかけ離れた色の領域であり、例えば、黒のべた塗り領域や、赤、青などの彩度の高い原色に近い色で表現される領域を指す。

決定部２４は、色頻度計算部２３による各色の出現頻度の計算結果に基づき、正常コンクリート肌色を決定する。一般に、コンクリート表面における劣化部位が占める領域は小さく、劣化部位を除いた正常コンクリートが撮影画像の大部分を占める。したがって、正常コンクリート肌色の出現頻度は大きくなる。そこで、決定部２４は、色頻度計算部２３による各色の出現頻度の計算結果から、出現頻度が最も大きい色を正常コンクリート肌色と決定する。なお、減色数ｎが大きく、正常コンクリート肌色が複数の色で代表されることで出現頻度がばらつく場合には、決定部２４は、出現頻度の大きい順に任意の数の色を選定し、選定した任意の数の色を、出現頻度を重みとして平均化することで、正常コンクリート肌色を決定してもよい。任意の３次元色空間における選定色をＣ_１（１，２，３）、Ｃ_２（１，２，３），・・・，Ｃ_ｍ（１，２，３）とし、各色の出現頻度をＦ_１，Ｆ_２，・・・Ｆ_ｍとすると、正常コンクリート肌色Ｃは以下の式（１）で表現される。

なお、本実施形態においては、矩形領域抽出部２１により入力画像を複数に分割し、分割後の各画像において、減色処理、色頻度の計算を行って正常コンクリート肌色を決定する例を用いて説明した。こうすることで、照度が一定でない条件下で撮影が行われ、撮影画像内に大きな明暗差が発生しているような場合にも、精度よく正常コンクリート肌色を決定することができる。ただし、画像内に明暗差が発生している場合においても、後述する異常領域検知部３０および劣化部位判定部４０の動作に支障がなければ、ある分割画像の正常コンクリート肌色を、画像全体の正常コンクリート肌色として決定してよい。

次に、異常領域検知部３０の構成について説明する。

図１に示すように、異常領域検知部３０は、色検知部３１と、形状検知部３２とを備える。

色検知部３１は、正常コンクリート肌色取得部２０が決定した正常コンクリート肌色を用いて、画像取得部１０の入力画像における異常領域を検知する。具体的には、色検知部３１は、入力画像において、正常コンクリート肌色と比較して異常な色を有する色領域を異常領域として抽出する。より詳細には、色検知部３１は、露出した鉄筋に対応する色領域である鉄筋色領域Ｆ’、付着した錆汁に対応する色領域である錆汁色領域Ｒ’およびコンクリートの剥離により露出した骨材の影に対応する色領域（コンクリートが剥離した部分に対応する色領域）である剥離色領域Ｓ’を異常領域として検知する。

形状検知部３２は、実長取得部１３が取得した実長比を用いて、画像取得部１０の入力画像における異常領域を検知する。具体的には、形状検知部３２は、実長比を用いて、所定の形状、例えば、鉄筋と同程度の幅を有する略直線形状の領域（以下、直線形状領域と称する）を異常領域として抽出する。

次に、劣化部位判定部４０の構成について説明する。

図１に示すように、劣化部位判定部４０は、鉄筋判定部４１と、錆汁判定部４２と、剥離判定部４３とを備える。

鉄筋判定部４１は、色検知部３１による鉄筋色領域Ｆ’の検知結果と形状検知部３２による直線形状領域の検知結果とに基づき、異常領域が鉄筋領域であるか否かを判定する。

錆汁判定部４２は、色検知部３１による鉄筋色領域Ｆ’および錆汁色領域Ｒ’の検知結果と、形状検知部３２による直線形状領域の検知結果とに基づき、異常領域が錆汁領域であるか否かを判定する。

剥離判定部４３は、色検知部３１による剥離色領域Ｓ’の検知結果と、形状検知部３２による直線形状領域の検知結果とに基づき、異常領域が剥離領域であるか否かを判定する。

次に、画像連結部５０の構成について説明する。

図１に示すように、画像連結部５０は、グレースケール画像変換部５１と、２値化処理部５２と、連結位置判定部５３と、連結実行部５４とを備える。

グレースケール画像変換部５１は、画像取得部１０の複数の入力画像をそれぞれグレースケールの画像（グレースケール画像）に変換する。

２値化処理部５２は、グレースケール画像変換部５１により生成されたグレースケール画像に対して２値化処理を行い、２値画像を生成する。

連結位置判定部５３は、ある２値画像から抽出した所定サイズの矩形領域と一致度の高い領域を他の２値画像から探索し、その探索結果に応じて、２値画像同士を連結する連結位置を判定する。

連結実行部５４は、連結位置判定部５３により判定された連結位置に従い、複数の入力画像を連結して一枚の連結画像を生成する。また、連結実行部５４は、劣化部位判定部４０による各入力画像に対する劣化部位の検知結果も連結する。そして、連結実行部５４は、連結画像を表示部６０に表示させる。

次に、本実施形態に係る劣化部位検知装置１の動作について説明する。

まず、検査対象のコンクリート表面の撮影部１１による撮影が行われる。図２は、撮影部１１による検査対象のコンクリート表面の撮影状態の一例を示す図である。図２においては、検査対象がマンホール上床版である例を示している。

図２に示すように、撮影部１１は、マンホール内に挿入された所定の治具２に支持され、マンホール上床版３から一定距離だけ離れた位置で保持される。そして、例えば、マンホール上床版３の長辺方向に沿って撮影部１１を移動させながら、撮影範囲の一部が重複するようにして、複数回の撮影が行われる。上述したように、撮影部１１として画角が大きい魚眼カメラが用いられる。そのため、一枚の撮影画像にマンホール上床版３の両短辺を含む範囲を収めることができる。そして、撮影部１１をマンホール上床版３の長辺方向に移動しながら撮影を行うことで、マンホール上床版３の全面を撮影することができる。

なお、図示は省略するが、撮影時には、高演色ＬＥＤ（Light Emitting Diode）により撮影部１１の撮影範囲が照明される。高演色ＬＥＤは、通常のＬＥＤよりも広範な波長の光を含む。そのため、高演色ＬＥＤにより照明された状態でコンクリート表面を撮影することで、撮影画像の色の再現性を担保することができる。

歪み補正部１２は、撮影部１１の撮影画像に対して歪み補正処理を行う。具体的には、歪み補正部１２は、補正前の球面画像上の点Ｐ（Ｘ，Ｙ）と補正後の平面画像上の点ｐ（ｘ，ｙ）とを対応させ、補正前の点Ｐの画素値Ｇ_ＸＹを取得して補正後の点ｐの画素値ｇ_ｘｙとする。歪み補正部１２は、以下の式（２）に従い、平面画像上の点ｐの座標（ｘ、ｙ）を球面画像上の点Ｐの座標（Ｘ，Ｙ）に対応させる。ただし、平面画像および球面画像は、画像の中心位置を（０，０）と定めている。

実長取得部１３は、歪み補正後の画像（入力画像）における単位画素あたりの実長である実長比を求める。実長比は、例えば、以下のような方法により求めることができる。

実長比を求める方法としては、レーザーポインタを用いた方法がある。この方法では、撮影部１１の撮影範囲の中心から所定距離Ｒ_ａ（ｍｍ）だけ離れた位置にレーザー光が照射されるように、撮影部１１の撮影方向に向かってレーザーポインタを固定する。そして、撮影時に、レーザーポインタからレーザー光を出力させる。実長取得部１３は、レーザーポインタから出力されたレーザー光に対応する光点を入力画像から検知し、入力画像の中心と光点との間の画素数Ｇ_ａ（ｐｘ）を算出する。所定距離Ｒ_ａは既知であるため、画素数Ｇ_ａを算出することで、実長比Ｒ_ａ／Ｇ_ａ（ｍｍ／ｐｘ）を求めることができる。

また、実長比を求める別の方法としては、入力画像上の細骨材の粒度Ａ_ｇを画素値により求め、細骨材の平均粒度Ａ_ｒを粒度Ａ_ｇで除することにより、実長比Ａ_ｒ／Ａ_ｇを求める方法がある。細骨材の平均粒度Ａ_ｒは既知であるため、入力画像上の細骨材の粒度Ａ_ｇを画素値により求めることで、実長比Ａ_ｒ／Ａ_ｇを求めることができる。

このように、実長取得部１３は、撮影画像において既知の長さを有する部分に対応する画素数を求め、その既知の長さを画素数で除することで、実長比を求めることができる。

正常コンクリート肌色取得部２０は、画像取得部１０の入力画像に対して減色処理、色頻度の計算などを行い、正常コンクリート肌色を決定する。

次に、異常領域検知部３０の色検知部３１および形状検知部３２はそれぞれ、実長比、正常コンクリート肌色などを用いて異常領域を検知する。まず、色検知部３１による異常領域の検知動作について、図３に示すフローチャートを参照して説明する。

色検知部３１は、ＲＧＢ色空間で表現された入力画像を任意の色空間の画像（Ａ，Ｂ，Ｃ）に変換する（ステップＳ１０１）。また、色検知部３１は、正常コンクリート肌色も同様に、任意の色空間における値（Ｃ_Ａ，Ｃ_Ｂ，Ｃ_Ｃ）に変換する。

ＲＧＢ空間は、Ｒ（Ｒｅｄ）、Ｇ（Ｇｒｅｅｎ）、Ｂ（Ｂｌｕｅ）の３軸で２４ビットカラー（１６７７万色）を表現する色空間である。Ｒ，Ｇ，Ｂの各要素は、０（輝度最小
）〜２５５（輝度最大）の２５６階調で表現される。例えば、（Ｒ，Ｇ，Ｂ）＝（０，０，０）であれば黒色を表し、（Ｒ，Ｇ，Ｂ）＝（２５５，２５５，２５５）であれば白色を表し、（Ｒ，Ｇ，Ｂ）＝（２５５，０，０）であれば赤色を表す。色検知は任意の色空間ＡＢＣで行うことができ、入力画像を任意の色空間ＡＢＣ上の画像に変換する場合は、変換後の画像の３軸要素を（Ａ，Ｂ，Ｃ）と表現することとする。任意の色空間の画像（Ａ，Ｂ，Ｃ）の１軸に注目すると、各画素において最小輝度０から最大輝度１までの値を持つグレースケール画像とみなすことができる。以下では、任意の色空間の画像（Ａ，Ｂ，Ｃ）の各要素をグレースケールに変換した画像をグレースケール画像Ａ，Ｂ，Ｃと称する。なお、任意の色空間としては、例えば、ＨＳＶ（色相・彩度・輝度）空間や、Ｌ＊ａ＊ｂ＊（明度・赤色差・青色差）色空間などがある。

次に、色検知部３１は、グレースケール画像Ａ，Ｂ，Ｃから劣化部位に相当する色領域を抽出するための閾値を算出する（ステップＳ１０２）。グレースケール画像Ａ，Ｂ，Ｃの各画像（任意の色空間の３軸の各要素をグレースケールに変換した３枚の画像）から、鉄筋領域、錆汁領域、剥離領域の抽出のための閾値を用意することができる。したがって、色検知部３１は、最大９個の閾値を算出する。具体的には、色検知部３１は、正常コンクリート肌色の値（Ｃ_Ａ，Ｃ_Ｂ，Ｃ_Ｃ）を用いて、以下の式（３）に従い算出する。

式（３）において、ａ_Ｎ，Ｍ、ｂ_Ｎ，Ｍは任意の値であり、コンクリート表面の劣化部位と正常な部分とが区別可能となるような値が設定される。すなわち、ａ_Ｎ，Ｍ、ｂ_Ｎ，Ｍとしては、正常コンクリート肌色の色領域と、正常コンクリート肌色と比較して異常な色の色領域とが区別可能となるような値が設定される。

次に、色検知部３１は、算出した閾値ｔ_Ｎ，Ｍを用いて、グレースケール画像Ｎ，Ｍ（Ｎ＝Ａ，Ｂ，Ｃ、Ｍ＝鉄筋、錆汁、剥離）に対して２値化処理を行い、２値画像Ｂ_Ｎ，Ｍに変換する（ステップＳ１０３）。色検知部３１は、この処理を算出した閾値ｔ_Ｎ，Ｍの数だけ繰り返す。したがって、最大９枚の２値画像Ｂ_Ｎ，Ｍが得られる。

次に、色検知部３１は、異なる閾値ｔ_Ｎ，Ｍにより２値化された２値画像Ｂ_Ｎ，Ｍ間で論理積を取り（ステップＳ１０４）、鉄筋領域に対応する色領域の候補である鉄筋色領域候補Ｆ、錆汁領域に対応する色領域の候補である錆汁色領域候補Ｒおよび剥離領域に対応する色領域である剥離色領域候補Ｓを求める。論理積の取り方は色空間の選択の仕方により異なる。以下では、Ｌ＊ａ＊ｂ＊色空間（Ａ＝Ｌ＊、Ｂ＝ａ＊、Ｃ＝ｂ＊）での論理積の取り方を例として説明する。

Ｌ＊ａ＊ｂ＊色空間の場合、鉄筋色領域候補Ｆは、閾値ｔ_{Ｌ＊，鉄筋}を用いて２値化された２値画像Ｂ_{Ｌ＊，鉄筋}と、閾値ｔ_{ａ＊，鉄筋}を用いて２値化された２値画像Ｂ_{ａ＊，鉄筋}と、閾値ｔ_{ｂ＊，鉄筋}を用いて２値化された２値画像Ｂ_{ｂ＊，鉄筋}との論理積を取ることで求められる。すなわち、鉄筋色領域候補Ｆは、以下の式（４）に従い求められる。
Ｆ＝Ｂ_{Ｌ＊，鉄筋}＆Ｂ_{ａ＊，鉄筋}＆Ｂ_{ｂ＊，鉄筋} ・・・式（４）

一般に、鉄筋の色は、正常コンクリート肌色と比較して、暗く（Ｌ＊：小）、僅かに赤く（ａ＊：大）、黄色味が少ない（ｂ＊：小）という特徴を有する。したがって、グレースケール画像Ｌ＊，ａ＊，ｂ＊から上述した鉄筋の色の特徴を抽出するような閾値ｔ（閾値ｔ_{Ｌ＊，鉄筋}，ｔ_{ａ＊，鉄筋}，ｔ_{ｂ＊，鉄筋}）を正常コンクリート肌色から算出し、各閾値ｔを用いて得られる２値画像Ｂ_{Ｌ＊，鉄筋}，Ｂ_{ａ＊，鉄筋}，Ｂ_{ｂ＊，鉄筋}の論理積を取ることで、上述の３つの特徴を満たす領域を鉄筋色領域候補Ｆとして抽出することができる。

錆汁色領域候補Ｒは、閾値ｔ_{Ｌ＊，錆汁}を用いて２値化された２値画像Ｂ_{Ｌ＊，錆汁}と、閾値ｔ_{ａ＊，錆汁}を用いて２値化された２値画像Ｂ_{ａ＊，錆汁}との論理積を取ることで求められる。すなわち、錆汁色領域候補Ｒは、以下の式（５）に従い求められる。
Ｒ＝Ｂ_{Ｌ＊，錆汁}＆Ｂ_{ａ＊，錆汁} ・・・式（５）

一般に、錆汁の色は、正常コンクリート肌色と比較して、僅かに暗く（Ｌ＊：小）、赤い（ａ＊：大）という特徴を有する。したがって、グレースケール画像Ｌ＊，ａ＊，ｂ＊から上述した錆汁の色の特徴を抽出するような閾値ｔ（閾値ｔ_{Ｌ＊，錆汁}，ｔ_{ａ＊，錆汁}）を正常コンクリート肌色から算出し、各閾値ｔを用いて得られる２値画像Ｂ_{Ｌ＊，錆汁}，Ｂ_{ａ＊，錆汁}の論理積を取ることで、上述の２つの特徴を満たす領域を錆汁色領域候補Ｒとして抽出することができる。

剥離色領域候補Ｓは、閾値ｔ_{Ｌ＊，剥離}を用いて２値化された２値画像Ｂ_{Ｌ＊，剥離}と、閾値ｔ_{ａ＊，錆汁}を用いて２値化された２値画像Ｂ_{ａ＊，錆汁}の否定領域の画像との論理積を取ることで求められる。すなわち、剥離色領域Ｓは、以下の式（６）に従い求められる。
Ｓ＝Ｂ_{Ｌ＊，剥離}＆ｎｏｔ（Ｂ_{ａ＊，錆汁}） ・・・式（６）

一般に、コンクリートが剥離を起こすと、骨材表面が露わとなり、骨材の影が画像上に表れる。骨材の影は、暗く（Ｌ＊：小）、錆汁と異なり赤くない（ａ＊：錆汁領域外）という特徴を有する。したがって、２値画像Ｂ_{Ｌ＊，剥離}と、錆汁の正常コンクリート肌色と比較して赤いという特徴を抽出した２値画像Ｂ_{ａ＊，錆汁}の否定領域の画像との論理積を取ることで、上述の２つの特徴を満たす領域を剥離色領域候補Ｓとして抽出することができる。

次に、色検知部３１は、求めた鉄筋色領域候補Ｆ、錆汁色領域候補Ｒおよび剥離色領域候補Ｓに対して、隣接し、画素値が同じである画素に同じラベルを割り振るラベリング処理を行う。色検知部３１は、ラベリング処理を行うことで、２値画像を、画素値が１である隣接する画素同士が連結された画素群によって構成される集合体から成るラベリング画像に変換する（ステップＳ１０５）。

次に、色検知部３１は、ラベリング画像に含まれる集合体の面積を算出する（ステップＳ１０６）。なお、色検知部３１は、ラベリング画像に複数の集合体が含まれている場合には、各集合体の面積を算出する。

次に、色検知部３１は、算出した集合体の面積が所定の値（第１の値）未満であるか否かを判定する（ステップＳ１０７）。第１の値は、劣化部位の面積に対して十分に小さい値である。

集合体の面積が第１の閾値未満であると判定した場合には（ステップＳ１０７：Ｙｅｓ）、その集合体は劣化部位に対して十分に小さく、劣化部位ではないと考えられるので、色検知部３１は、その集合体の画素値を０に変換し（ステップＳ１０８）、異常領域から除外する。

集合体の面積が第１の閾値未満でないと判定した場合（ステップＳ１０７：Ｎｏ）、および、ステップＳ１０８の処理の後、色検知部３１は、集合体の面積が所定の値（第２の値）より大きいか否かを判定する（ステップＳ１０９）。第２の値は、劣化部位の面積に対して十分に大きい値である。なお、色検知部３１は、ステップＳ１０８の処理により、全ての集合体の画素値が０になった場合には、異常領域は無いとして処理を終了する。

集合体の面積が第２の値より大きいと判定した場合には（ステップＳ１０９：Ｙｅｓ）、色検知部３１は、その集合体は劣化部位に対して十分に大きく、劣化部位ではないと考えられるので、その集合体の画素値を０に変換し（ステップＳ１１０）、異常領域から除外する。

集合体の面積が第２の値より大きくないと判定した場合（ステップＳ１０９：Ｎｏ）、および、ステップＳ１１０の処理の後、色検知部３１は、集合体の画素数と、その集合体に囲まれる画素値が０の画素数との差が所定の値（第３の値）以下であるか否かを判定する（ステップＳ１１1）。第３の値は、劣化部位の面積に対して十分に小さい値である。なお、色検知部３１は、ステップＳ１１０の処理により、全ての集合体の画素値が０になった場合には、異常領域は無いとして処理を終了する。

第３の値は、劣化部位の面積に対して十分に小さい値であり、集合体の画素数と、その集合体に囲まれる画素値が０の画素数との差が第３の値以下である場合には、その集合体に囲まれる画素も劣化部位である可能性が高いと考えられる。そのため、集合体の画素数と、その集合体に囲まれる画素値が０の画素数との差が第３の値以下であると判定した場合には（ステップＳ１１１：Ｙｅｓ）、色検知部３１は、集合体に囲まれている画素値が０画素の画素値を１に変換し、処理を終了する。

集合体の画素数と、その集合体に囲まれる画素値が０の画素数との差が第３の値以下である場合には、その集合体に囲まれる画素は劣化部位でない可能性が高いと考えられる。そのため、集合体の画素数と、その集合体に囲まれる画素値が０の画素数との差が第３の値以下であると判定した場合には（ステップＳ１１１：Ｎｏ）、色検知部３１は、集合体に囲まれている画素の画素値はそのままで、処理を終了する。

上述した処理により、色検知部３１は、画素値が１の領域を異常領域（鉄筋色領域Ｆ’、錆汁色領域Ｒ’、剥離色領域Ｓ’）として抽出する。

次に、形状検知部３２による異常領域の検知動作について、図４に示すフローチャートを参照して説明する。なお、図４において、図３と同様の処理については同じ符号を付し、説明を省略する。

まず、形状検知部３２は、ＲＧＢ空間上の入力画像をグレースケール画像Ｇ_ｃに変換する（ステップＳ２０１）。グレースケール画像Ｇ_ｃの画素は、８ビット情報からなる２５６階調の値で表され、黒色の画素値は０で表され、白色の画素値は２５５で表わされる。

次に、形状検知部３２は、実長比を用いてフィルタを作成する（ステップＳ２０２）。フィルタは以下のような構成を有する。
［ｑ・・・ｑｐ・・・ｐｑ・・・ｑ］ ｐ：正値、ｑ：負値

フィルタ内でｐ値が占める列サイズＳ_ｐは、鉄筋幅に対応するサイズとする。一般に、鉄筋幅Ｉ_ａは８ｍｍから１２ｍｍであり、この鉄筋幅Ｉ_ａに対応した列サイズＳ_ｐは、以下の式（７）に従い算出される。

なお、式（７）においては、実長比Ｒ_ａ／Ｇ_ａを用いているが、実長比Ａ_ｒ／Ａ_ｇを用いてもよい。ｑ値が占める列サイズは任意の値である。

次に、形状検知部３２は、作成したフィルタを用いて、グレースケール画像Ｇ_ｃに対してフィルタ処理を行う（ステップＳ２０３）。具体的には、形状検知部３２は、フィルタの中心の座標がグレースケール画像Ｇ_ｃのある画素（ｉ，ｊ）にあるとすると、フィルタの各フィルタ値と、そのフィルタ値と重なるグレースケール画像Ｇ_ｃの画素の画素値とをそれぞれ乗じて足し合わせ、画素（ｉ，ｊ）の値として出力する。形状検知部３２は、この処理を、フィルタをグレースケール画像Ｇ_ｃ上で走査させて繰り返す。このような処理により、鉄筋幅に合致する形状（幅）の領域の画素が大きな画素値を有するグレースケール画像Ｇ_ｃ’が得られる。

次に、形状検知部３２は、グレースケール画像Ｇ_ｃ’に対して閾値ｔ_ｃを用いて２値化処理を行う（ステップＳ２０４）。閾値ｔ_ｃは、以下の式（８）に従い算出される。

式（８）において、Ｖは正常コンクリート肌色Ｃの輝度値であり、ＲＧＢ色空間におけるＣ（Ｒ，Ｇ，Ｂ）の最大値である。また、ａ_Ｃ，ｂ_Ｃは任意の値である。ａ_Ｃ，ｂ_Ｃの値を適切に設定することで、鉄筋幅に合致する形状を有する領域を抽出することができる。

以下、形状検知部３２は、図３を参照して説明したステップＳ１０５，Ｓ１０６，Ｓ１１１，Ｓ１１２の処理を行う。上述した処理により、形状検知部３２は、鉄筋と同程度の幅を有する直線形状領域を異常領域として抽出する。

次に、劣化部位判定部４０の鉄筋判定部４１が、検知された異常領域が鉄筋領域であるか否かを判定し、錆汁判定部４２が、検知された異常領域が錆汁領域であるか否かを判定し、剥離判定部４３が、検知された異常領域が剥離領域であるか否かを判定する。まず、鉄筋判定部４１による異常領域が鉄筋領域であるか否かの判定動作について、図５に示すフローチャートを参照して説明する。

鉄筋判定部４１は、色検知部３１による鉄筋色領域Ｆ’の検知結果と、形状検知部３２による直線形状領域の検知結果との論理積を取り（ステップＳ３０１）、論理積により得られた領域を鉄筋領域と判定する。露出した鉄筋に対応する色領域である鉄筋色領域Ｆ’の検知結果と、鉄筋の幅に合致する直線形状領域の検知結果との論理積を取ることで、鉄筋領域を高精度に検知することができる。

次に、錆汁判定部４２による異常領域が錆汁領域であるか否かの判定動作について、図６に示すフローチャートを参照して説明する。

まず、錆汁判定部４２は、錆汁色領域Ｒ’のなかから、鉄筋色領域Ｆ’との距離が所定の画素数以下の錆汁色領域Ｒ’を抽出する（ステップＳ４０１）。また、錆汁判定部４２は、直線形状領域のなかから、鉄筋色領域Ｆ’との距離が所定の画素数以下の直線形状領域を抽出する（ステップＳ４０２）。

次に、錆汁判定部４２は、ステップＳ４０１で抽出した鉄筋色領域Ｆ’との距離が所定の画素数以下の錆汁色領域Ｒ’と、ステップＳ４０２で抽出した鉄筋色領域Ｆ’との距離が所定の画素数以下の直線形状領域との論理和を取る（ステップＳ４０３）。

図７は、鉄筋領域および錆汁領域の形成例を示す図である。

コンクリート内の鉄筋は略直線状に配置されている。そのため、鉄筋領域は、図７に示すように、略直線形状となる。また、錆汁は、コンクリート内の鉄筋が腐食して茶色や褐色の腐食生成物がコンクリート表面に滲み出したものであり、鉄筋の周囲に付着する。したがって、図７に示すように、錆汁領域は、鉄筋領域に近接して形成されるので、鉄筋領域に近接せず、鉄筋領域から離れた位置の錆汁色領域Ｒ’は、色は錆汁に対応する色をしていても、錆汁領域ではなく、汚れ・付着物などである可能性が高い。

そのため、上述したステップＳ４０１〜ステップＳ４０３の処理を行うことにより、鉄筋色領域Ｆ’との距離が所定の画素数より大きい領域は、汚れあるいは付着物とみなして、錆汁領域から除外することができる。

図６を再び参照すると、錆汁判定部４２は、ステップＳ４０３で求めた錆汁色領域Ｒ’と直線形状領域との論理和を取った画像に対してラベリング処理を行い、ラベリング画像に変換する（ステップＳ４０４）。

次に、錆汁判定部４２は、ラベリング画像に含まれる集合体の面積を算出する（ステップＳ４０５）。なお、錆汁判定部４２は、ラベリング画像に複数の集合体が含まれている場合には、各集合体の面積を算出する。

次に、錆汁判定部４２は、算出した集合体の面積が所定の値より大きいか否かを判定する（ステップＳ４０６）。なお、ここでの所定の値は、劣化部位の面積に対して十分に大きい値である。

集合体の面積が所定の値より大きいと判定した場合には（ステップＳ４０６：Ｙｅｓ）、錆汁判定部４２は、その集合体は劣化部位に対して十分に大きく、劣化部位ではないと考えられるので、その集合体の画素値を０に変換し（ステップＳ４０７）、錆汁領域から除外する。

集合体の面積が所定の値より大きくないと判定した場合には（ステップＳ４０６：Ｎｏ）、錆汁判定部４２は、集合体の円形度が所定の値より小さいか否かを判定する（ステップＳ４０８）。

集合体の円形度が所定の値より小さい場合には、その集合体の形状は、例えば、ひだを沢山有するような極端に円形度の低い形状である。通常、錆汁は、そのような円形度の低い形状には付着しないため、集合体の円形度が所定の値より小さいと判定した場合には（ステップＳ４０８：Ｙｅｓ）、錆汁判定部４２は、その集合体の画素値を０に変換し（ステップＳ４０９）、錆汁領域から除外する。

集合体の円形度が所定の値より小さくないと判定した場合には（ステップＳ４０８：Ｎｏ）、錆汁判定部４２は、その集合体が錆汁領域であると判定し、処理を終了する。

このような処理により、錆汁判定部４２は、異常領域が錆汁領域であるか否かを判定することができる。

次に、剥離判定部４３による異常領域が剥離領域であるか否かの判定動作について、図８に示すフローチャートを参照して説明する。なお、図８において、図６と同様の処理については同じ符号を付し、説明を省略する。

まず、剥離判定部４３は、直線形状領域の中から、剥離色領域Ｓ’との距離が所定の画素数以下の直線形状領域を抽出する（ステップＳ５０１）。また、剥離判定部４３は、剥離色領域Ｓ’の中から、直線形状領域との距離が所定の画素数以下の剥離色領域Ｓ’を抽出する（ステップＳ５０２）。

次に、剥離判定部４３は、ステップＳ５０１で抽出した直線形状領域と、ステップＳ５０２で抽出した剥離色領域Ｓ’との論理和を取る（ステップＳ５０３）。このような処理により、剥離色領域Ｓ’と直線形状領域との単純な論理和から、剥離色領域Ｓ’と直線形状領域とが近接しない領域を除外することができる。

コンクリートの剥離は一般に、鉄筋の腐食による膨張に起因して生じることが多く、直線形状となることが多い。そのため、剥離色領域Ｓ’であっても、直線形状領域と近接していない領域では、剥離が生じていない可能性がある。そのため、剥離色領域Ｓ’と直線形状領域とが近接しない領域を除外することで、剥離領域の検知精度を上げることができる。

ステップＳ５０３の処理の後、図６を参照して説明したステップＳ４０４〜ステップＳ４０９と同様の処理が行われる。このような処理により、剥離判定部４３は、異常領域が剥離領域であるか否かを判定することができる。

画像連結部５０は、画像取得部１０の複数の入力画像を連結して一枚の画像（結合画像）とする。このとき、画像連結部５０は、各入力画像における劣化部位判定部４０により検知された劣化部位も結合させる。以下では、連結を行う連続する入力画像をＩ１，Ｉ２として、画像連結部５０の各部の動作をより詳細に説明する。入力画像のサイズは（Ｉ_ｘ，Ｉ_ｙ）とする。

グレースケール画像変換部５１は、入力画像Ｉ１，Ｉ２をグレースケール画像Ｉ’１，Ｉ’２に変換する。

２値化処理部５２は、グレースケール画像Ｉ’１，Ｉ’２に対して２値化処理を行い、２値画像Ｉ’’１，Ｉ’’２に変換する。具体的には、２値化処理部５２は、画像の２次元配列を示す（ｉ，ｊ）をインデックスとして持ち、αを０〜２５５の範囲内の所定の閾値として、グレースケール画像上の各（ｉ，ｊ）に位置する８ビット画素値Ｇ’_ｉｊを、以下の式（９）に従い、１ビット画素値Ｇ’’_ｉｊに変換する。

連結位置判定部５３は、２値化処理部５２により生成された２値画像Ｉ’’１から所定サイズの矩形領域を抽出し、その矩形領域との一致度が高い領域を２値画像Ｉ’’２から探索する。具体的には、連結位置判定部５３はまず、２値画像Ｉ’’１から任意の点（ｋ，１）を左上の点とする所定サイズの２値矩形領域Ｓ１（ｋ，１）を抽出する。入力画像は、魚眼カメラである撮影部１１をマンホール上床版３の長辺方向に沿って移動しながら、撮影範囲が重複するように撮影された画像であるので（図２）、２値画像Ｉ’’２内に、２値矩形領域Ｓ１（ｋ，１）との一致度が高い２値矩形領域Ｓ２（ｋ＋β，１＋γ）が存在する。ここで、βは任意の値であり、γは画像サイズに対して非常に小さい値である。連結位置判定部５３は、任意のβ，γを与えて得られる２値矩形領域Ｓ２（ｋ＋β，１＋γ）と２値矩形領域Ｓ１（ｋ，１）との排他的論理和δを取り、排他的論理和δが最も小さい値となるようなβおよびγを求める。こうすることで、入力画像Ｉ１と入力画像Ｉ２とを連結する連結位置を特定することができる。

連結実行部５４は、連結位置判定部５３により求められたβおよびγを用いて、入力画像Ｉ１と入力画像Ｉ２とを連結する。まず、連結実行部５４は、入力画像Ｉ１のｘ値０〜ｋの範囲を抽出する。次に、連結実行部５４は、入力画像Ｉ２のｘ値ｋ＋β〜ｌ_ｘ−（ｋ＋β）、ｙ値ｌ＋γ〜ｌ_ｙ−（１＋γ）の範囲を抽出し、入力画像Ｉ１のｘ値ｋ＋１以降に連結する。こうすることで、連結実行部５４は、入力画像Ｉ１と入力画像Ｉ２とを連結することができる。また、連結実行部５４は、各入力画像に対して検知された劣化部位も同様に連結する。

本実施形態に係る劣化部位検知装置１によれば、撮影部１１により、図９Ａに示すような、検査対象のコンクリート表面を撮影した撮影画像が得られる。この撮影画像に対し、歪み補正処理が行われ、図９Ｂに示すような入力画像が得られる。そして、この入力画像を用いて、上述したように、正常コンクリート肌色の決定、異常領域の検知、異常領域が劣化部位であるか否かの判定が行われる。その結果、図９Ｃに示すように、入力画像に含まれる劣化部位（図９Ｃにおいては、点線で囲まれる部分）を示す画像が得られる。なお、図９Ｃにおいては、鉄筋領域と判定された領域を白く、剥離と判定された部分を黒く表示している。

ここで、従来用いられている色検知のみを用いて劣化部位の判定を行った場合、図９Ｄにおいて点線で囲まれる部分のように、コンクリートの模様まで鉄筋領域と判定されてしまい、誤検知が生じる。

一方、本実施形態に係る劣化部位検知装置１は、コンクリート表面を撮影した撮影画像を取得する画像取得部１０と、画像取得部１０の撮影画像から正常コンクリート肌色を決定する正常コンクリート肌色取得部２０と、撮影画像において、正常コンクリート肌色と比較して異常な色領域、および、所定の形状を有する領域を異常領域として検知する異常領域検知部３０と、検知された異常領域が、鉄筋領域、錆汁領域または剥離領域であるか否かを判定する劣化部位判定部４０と、を備える。

正常コンクリート肌色と比較して異常な色領域だけでなく、所定の形状（鉄筋と略同様の幅を有する直線形状）を有する領域を異常領域として検知し、その異常領域が劣化部位であるか否かを判定するため、図９Ｃに示すように、コンクリートの模様などを劣化部位として判定することが無くなる。したがって、汚れや付着物によるコンクリート表面の劣化部位の検知の精度の低下を抑制することができる。

本発明に係る劣化部位検知装置１にて行われる劣化部位検知方法は、コンピュータに実行させるためのプログラムに適用してもよい。また、そのプログラムを記憶媒体に格納することも可能であり、ネットワークを介して外部に提供することも可能である。

本発明を図面および実施形態に基づき説明してきたが、当業者であれば本開示に基づき種々の変形または修正を行うことが容易であることに注意されたい。したがって、これらの変形または修正は本発明の範囲に含まれることに留意されたい。

１ 劣化部位検知装置
１０ 画像取得部
１１ 撮影部
１２ 歪み補正部
１３ 実長取得部
２０ 正常コンクリート肌色取得部
２１ 矩形領域抽出部
２２ 減色処理部
２３ 色頻度計算部
２４ 決定部
３０ 異常領域検知部
３１ 色検知部
３２ 形状検知部
４０ 劣化部位判定部
４１ 鉄筋判定部
４２ 錆汁判定部
４３ 剥離判定部
５０ 画像連結部
５１ グレースケール画像変換部
５２ ２値化処理部
５３ 連結位置判定部
５４ 連結実行部
６０ 表示部

Claims (8)

1. コンクリート表面を撮影した撮影画像を取得する画像取得部と、
   前記画像取得部が取得した撮影画像から、劣化していないコンクリート表面の色である正常コンクリート肌色を決定する正常コンクリート肌色取得部と、
   前記画像取得部が取得した撮影画像において、前記正常コンクリート肌色取得部が決定した正常コンクリート肌色と比較して異常な色を有する領域、および、所定の形状の領域を異常領域として検知する異常領域検知部と、
   前記異常領域検知部により検知された異常領域が、鉄筋が露出した鉄筋領域、錆汁が付着した錆汁領域またはコンクリートが剥離した剥離領域であるか否かを判定する劣化部位判定部と、を備えることを特徴とする劣化部位検知装置。
2. 前記画像取得部は、前記撮影画像における単位画素あたりの実長である実長比を求め、
   前記異常領域検知部は、前記画像取得部が取得した実長比を用いて、鉄筋幅の実長に対応した形状の領域を異常領域として検知することを特徴とする請求項１に記載の劣化部位検知装置。
3. 前記画像取得部は、前記撮影画像における既知の長さを有する部分の画素数を求めることで、前記実長比を求めることを特徴とする請求項２に記載の劣化部位検知装置。
4. 前記異常領域検知部は、鉄筋に対応する色を有する領域である鉄筋色領域を前記異常領域として検知し、
   前記劣化部位判定部は、前記異常領域検知部による鉄筋色領域の検知結果および前記鉄筋幅の実長に対応した形状の領域の検知結果に基づき、前記異常領域が前記鉄筋領域であるか否かを判定することを特徴とする請求項２または３に記載の劣化部位検知装置。
5. 前記異常領域検知部は、錆汁に対応する色を有する領域である錆汁色領域を前記異常領域として検知し、
   前記劣化部位判定部は、前記鉄筋色領域との距離が所定の画素数以下である前記錆汁色領域および前記鉄筋幅の実長に対応した形状の領域を前記錆汁領域であると判定することを特徴とする請求項４に記載の劣化部位検知装置。
6. 前記異常領域検知部は、コンクリートが剥離した部位に対応する色を有する領域である剥離色領域を前記異常領域として検知し、
   前記劣化部位判定部は、前記異常領域検知部による剥離色領域の検知結果および前記鉄筋幅の実長に対応した形状の領域の検知結果に基づき、前記異常領域が前記剥離領域であるか否かを判定することを特徴とする請求項２から５のいずれか一項に記載の劣化部位検知装置。
7. コンクリート表面の劣化を検知する劣化部位検知装置による劣化部位検知方法であって、
   画像取得部が、前記コンクリート表面を撮影した撮影画像を取得するステップと、
   正常コンクリート肌色取得部が、前記画像取得部が取得した撮影画像から、劣化していないコンクリート表面の色である正常コンクリート肌色を決定するステップと、
   異常領域検知部が、前記画像取得部が取得した撮影画像において、前記正常コンクリート肌色取得部が決定した正常コンクリート肌色と比較して異常な色を有する領域、および、所定の形状の領域を異常領域として検知するステップと、
   劣化部位判定部が、前記異常領域検知部により検知された異常領域が、鉄筋が露出した鉄筋領域、錆汁が付着した錆汁領域またはコンクリートが剥離した剥離領域であるか否かを判定するステップと、を含むことを特徴とする劣化部位検知方法。
8. コンピュータに、
   コンクリート表面を撮影した撮影画像を取得する処理と、
   前記取得した撮影画像から、劣化していないコンクリート表面の色である正常コンクリート肌色を決定する処理と、
   前記取得した撮影画像において、前記決定した正常コンクリート肌色と比較して異常な色を有する領域、および、所定の形状の領域を異常領域として検知する処理と、
   前記検知された異常領域が、鉄筋が露出した鉄筋領域、錆汁が付着した錆汁領域またはコンクリートが剥離した剥離領域であるか否かを判定する処理と、を実行させるプログラム。